TN9红外温度传感器在火灾报警系统中的应用

基于AT89C52单片机与TN9红外温度测量模块,设计出了一种大范围实时火灾监测智能报警系统。与传统的火灾报警系统相比,该系统采用一个TN9红外模块即可检测30 m以内的火灾情况,监控范围广,精度高,同时节约了经济成本,可实现大范围火灾报警。实验结果表明:与传统报警系统相比,该系统对温度和烟雾体积分数的测量精度与范围均明显改善,完全可以满足现代工厂等火灾易发区的火灾报警需求。     

基于平板电脑的家庭医疗监护系统

以基于Windows CE的平板电脑为硬件开发平台,采用VS2005集成开发环境开发了基于Windows CE操作系统的USB驱动和基于Windows CE系统的生理参数监护图形界面软件,并利用平板电脑常见的USB接口作为数据传输接口与生理参数采集模块进行数据通信,以对人体的主要生理参数进行实时监控。经试验显示,该监护系统基本达到了预期的要求。     

基于人才需求的智能科学与技术专业教学改革与实施

在分析智能科学与技术专业社会需求的基础上,针对该专业在人才培养中存在的现实问题,从课程体系建设、教学方法、课程考核模式、实习实训基地建设和科技创新活动方面深入探讨高校智能科学与技术专业教学改革措施,介绍实施过程。     

准Z源逆变器的小波调制方法

提出一种适用于准Z源逆变器的小波调制策略，通过改变传统小波调制采样点位置，增大直通占空比的调节范围.将直通矢量分为两等份，分别插入采样时刻两端，使其不需额外增加开关频率，且理论上可获得最大恒定直通占空比.对所提小波调制与两种传统准Z源逆变器调制策略进行比较，对准Z源逆变器不同调制策略的升压能力、效率、谐波、调制比进行了系统的理论分析，最后通过仿真对所提方法进行验证.理论与仿真均表明，所提小波调制具有谐波小、电压利用率高、升压能力强等优点.      

三电平有源电力滤波器的补偿控制

以三相整流桥负载为谐波源,选用一种简化的空间矢量脉宽调制(SVPWM)算法弥补传统的SVPWM算法计算量大、数字化实现不利的缺陷,经仿真验证可基本实现对谐波电流的补偿,但同时发现整流型负载存在换相点处补偿不足的问题。针对该问题提出采用PI+重复的复合控制策略,并对其中关键参数的选取进行了阐述。仿真结果表明,该方法解决了换相点处补偿不足的问题,且具有更好的总体及单次谐波补偿效果,最终实验结果也验证了所选调制方法和控制策略的有效性。     

基于IEC61850/61970的光伏并网监控系统

介绍了一种光伏并网监控系统,系统以Visual Studio2010为平台,采用C#语言实现MCGS组态软件的现场监控、本地监控和采用混合数据库技术的网络界面的远程监控,完成了对电站的各种情况的集中监测和控制。通过IEC61850和IEC61970协议的转化,实现了它们之间的无缝连接,完成与调度中心间的通讯;而且系统在多个光伏电站中应用,其效果表明实用性强、稳定性高、功能完善。     

恒流源型电源在静电除尘中的特性研究

通过比较电压型电源与恒流源型电源的伏安特性曲线,推导多依奇除尘效率公式等,从理论上揭示了恒流源型电源在静电除尘中的技术特点和能够提高除尘效率的原因。介绍了恒流源型除尘电源的电路原理,给出了恒流源型电除尘系统的设计方案,并以实例进行实验测试。实验结果表明:恒流源型电源不但具有输出功率大、提高工作电压、电压自动跟踪的技术特点,还能够保证电晕电流和提高收尘效率。     

基于增强学习的机械臂轨迹跟踪控制

为了提高机器臂轨迹跟踪控制器的工作性能,提出基于增强学习的机械臂轨迹跟踪控制方法。介绍了增强学习的基本原理,提出基于SARSA算法的增强学习补偿控制策略。利用比例—微分(PD)控制器完成了基本的稳定任务后,再利用增强学习算法实现了对未知干扰因素的补偿,提升了对不同未知情况的适应能力。实验结果验证了自适应离散化增强学习方法在机械臂轨迹跟踪问题中的可行性和有效性,明显提高了控制器的学习速度。     

基于灰色关联度的框架式断路器故障诊断方法

针对断路器故障诊断技术中智能识别算法过于复杂的问题,提出了一种基于灰色关联度的框架式断路器故障诊断方法,该方法利用灰色综合关联度描述故障特征序列曲线之间的几何相似度来判断故障的归属,充分利用故障特征本身的变化趋势。其首先提取触头振动信号局部均值分解能量矩或分合闸线圈电流信号集合经验模态分解能量矩,经归一化后形成能量矩序列,将该能量矩序列与不同故障状态下的参考序列进行灰色综合关联分析,根据最大关联度原则确定故障类型,其中灰色综合关联度各指标的权值系数利用熵值赋权法得到。对断路器触头分合闸机械结构故障和操作附件分合闸线圈回路故障进行了诊断测试,结果表明,该方法能够准确有效地完成对断路器不同故障的诊断。     

采用核相关滤波器的长期目标跟踪

针对核相关滤波器(KCF)跟踪算法在目标跟踪中存在尺度变化、严重遮挡、相似目标干扰和出视野情况下跟踪失败等问题,提出了一种基于KCF的长期目标跟踪算法。该算法在分类器学习中加入空间正则化,利用基于样本区域空间位置信息的空间权重函数调节分类器系数,使分类器学习到更多负样本和未破坏的正样本,从而增强学习模型的判别力。然后,在检测区域利用Newton方法完成迭代处理,求取分类器最大响应位置及其目标尺度信息。最后,对最大响应位置的目标进行置信度比较,训练在线支持向量机(SVM)分类器,以便在跟踪失败的情况下,重新检测到目标而实现长期跟踪。采用OTB-2013评估基准50组视频序列验证了本文算法的有效性,并与30种其他跟踪方法进行了对比。结果表明:本文提出的算法跟踪精度为0.813,成功率为0.629,排名第一,相比传统KCF算法分别提高了9.86%和22.3%。在目标发生显著尺度变化、严重遮挡、相似目标干扰和出视野等复杂情况下,本文方法均具有较强的鲁棒性。